MétaCan
Menu
Retour à la cohorte
Enregistrement W4391124521 · doi:10.1016/j.crmeth.2023.100693

A mobile CRISPRi collection enables genetic interaction studies for the essential genes of Escherichia coli

2024· article· en· W4391124521 sur OpenAlexafffund
Kenneth Rachwalski, Megan M. Tu, Sean J. Madden, Shawn French, Drew M. Hansen, Eric D. Brown

Notice bibliographique

RevueCell Reports Methods · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGovernment of OntarioCanada Foundation for InnovationOntario Research Foundation
Mots-clésGene knockdownCRISPRCRISPR interferenceGeneBiologyPlasmidGenetic screenPhenotypeGeneticsCas9Computational biologyEscherichia coliRNA interferenceRNA

Résumé

récupéré en direct d'OpenAlex

Advances in gene editing, in particular CRISPR interference (CRISPRi), have enabled depletion of essential cellular machinery to study the downstream effects on bacterial physiology. Here, we describe the construction of an ordered E. coli CRISPRi collection, designed to knock down the expression of 356 essential genes with the induction of a catalytically inactive Cas9, harbored on the conjugative plasmid pFD152. This mobile CRISPRi library can be conjugated into other ordered genetic libraries to assess combined effects of essential gene knockdowns with non-essential gene deletions. As proof of concept, we probed cell envelope synthesis with two complementary crosses: (1) an Lpp deletion into every CRISPRi knockdown strain and (2) the lolA knockdown plasmid into the Keio collection. These experiments revealed a number of notable genetic interactions for the essential phenotype probed and, in particular, showed suppressing interactions for the loci in question.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,021
Tête enseignante GPT0,408
Écart entre enseignants0,387 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCell Reports MethodsMême sujetCRISPR and Genetic EngineeringTravaux en français237 207